一种基于偏微分方程的图像复原新模型

首先基于偏微分方程（PDE）提出一个描述图像复原的泛函,并推导出新的PDE图像复原模型,该模型不仅复原效果良好,而且能较好地保持图像的特征。与其他经典的复原方法相比较,新模型具有理论上的优势;其次,有效地解决了保持图像边缘特征和图像的过度平滑这对矛盾。实验表明,给出的新模型既能较好地复原图像,又能很好地保持图像的边缘特征。     

含脉冲噪声模糊图像复原的自适应二阶变分模型 *

针对经典的基于L1数据保真项的总变分图像复原模型易导致阶梯效应和损失图像重要细节的缺陷,提出了一种基于L1数据保真项的二阶总广义变分(Total Generalized Variation, TGV)图像复原模型。为进一步提升含脉冲噪声模糊图像复原质量,在二阶TGV图像复原模型中引入边缘检测算子,使其在图像边缘区域减弱扩散,较好地保护图像边缘特征;在图像平滑区域增强扩散,有效地消除脉冲噪声和抑制阶梯效应。为稳定地复原降质图像,采用交替方向乘子法求解二阶变分模型。实验结果表明,提出的图像复原模型在消除噪声和模糊的同时,能成功抑制阶梯效应并保留图像的边缘结构特征。相比经典的图像复原模型,新模型在信噪比、相对误差和结构相似度等方面均取得了较好的图像复原效果。     

基于字典对联合学习的退化图像复原方法

针对传统字典学习方法在退化图像复原中效果不理想的问题,提出一种基于字典对联合学习的退化图像复原方法.首先在图像稀疏分解和字典学习的基本框架下,对基于字典学习复原方法的整个过程和关键步骤进行分析;然后针对图像复原的线性模型存在的缺陷,提出一种非线性的基于字典对联合学习的框架,解决了传统字典学习方法在退化图像复原中存在的不对称问题;最后利用随机梯度下降算法估计字典模型参数,并使用一种经典的启发式方法提高该算法的稳定性和收敛速度.基于各向同性和各向异性模糊核的实验结果表明,该方法对于非盲图像复原与当前技术条件下的方法相比是有竞争力的,甚至是更好的.     

基于调和模型的快速神经网络图像复原算法

针对传统神经网络图像复原算法在复原过程中模糊图像边缘,收敛速度慢等不足,提出一种基于调和模型的快速神经网络图像复原算法.在该算法中,图像复原模型的正则化项采用调和模型,并在每次网络状态更新时引入最陡下降方法,使得网络能量迅速减小.实验表明,提出的算法能够很好复原图像的边缘特征,并具有快速收敛等优点.     

水下图像复原中背景光求解方法研究最新进展

水下特殊的成像环境,使得图像存在模糊、色偏等问题,给水下图像复原带来了新的挑战。基于成像模型的图像复原是提高水下图像质量的典型方法之一。背景光作为逆向复原的重要参数直接影响到水下图像复原的效果。目前对水下图像复原中背景光求解方法的综述文献较少,为了深入了解水下图像复原的研究现状和发展趋势,对水下图像复原中背景光求解方法进行综述。首先简述水下模型,然后归纳背景光的特征及背景光求解方法分类,接下来详细分析各种典型的背景光求解方法的原理和特点,之后总结归纳各种典型方法的优缺点,最后提出研究展望。     

基于Bivariate模型的非抽取小波域图像复原

将Bivariate模型引入到图像复原中,以Bivariate概率分布函数作为自然图像小波系数向量的先验模型。从图像复原的Bayesian理论出发,提出基于Bivariate概率分布函数非抽取小波域的图像复原算法,并从自适应规整化的角度来分析该算法的有效性。通过对4幅标准测试图像复原实验,并将该算法复原结果与其他3种人们熟知的图像复原算法效果进行对比来证明该算法的有效性。     

基于模糊相似度融合的图像复原算法

传统的图像复原技术主要是通过单一的方法对图像进行复原,而图像融合技术主要集中于对多聚焦图像融合和多源图像融合.文中从图像融合的基本思路出发,基于局部特征信息的模糊相似度的融合策略将多幅复原图像进行融合,提出基于模糊相似度融合的图像复原算法.首先依据区域特征(方差、梯度和均值)确定模糊相似度,然后将具有一定相似性的复原图像进行基于像素点加权平均,权系数由该像素点处的区域特征确定,最后获得融合图像;对不具有一定相似性的复原图像按照“最大值选取”原则,依据“区域特征较明显者提取像素点”来获得融合图像.实验结果表明,该算法复杂度小,融合后复原图像改善的信噪比比融合前提高了0.1～1 dB;同时,比经典算法的效果有明显改善.     

数字图像复原技术综述

数字图像复原的目的是将所观测到的退化图像恢复到退化前的原始图像,该恢复过程在很多图像处理应用中至关重要。近年来,图像复原技术虽已得到广泛研究,但仍有值得改进之处。为了使该领域的研究人员对当前各种图像复原方法有较全面的了解,在众多技术文献中选取了具有典型性的95篇来对各种图像复原方法进行分类综述。首先通过对复原技术问题的描述,揭示了复原技术的数学背景;其次以数字图像复原技术发展为主线,将复原方法归结为两大类进行详细讨论。一类是经典图像复原方法,另一类是现代图像复原方法。前者反应复原技术背景与发展过程,后者体现复原技术的发展趋势与面临的困难。最后,在总结全文的基础上,指出在今后进一步研究中值得关注的7项问题。     

基于变分PDE的非线性数字混合滤波器

从局部扩散角度分析了经典变分PDE复原模型的不足,给出一种基于全变差模型和调和模型的混合图像复原模型,并导出了相应的数字混合滤波器.该滤波器可以根据图像的局部梯度特征自适应选取滤波器系数,能在去噪的同时保留边缘,并削弱平滑区域的阶梯效应,具有较好的综合性能.针对该混合滤波器,还设计出相应的图像修补和放大算法.大量仿真实验表明,该滤波器可以很好地应用于图像的去噪、修补和放大.     

结合自适应倒易晶胞和HMT模型的斜采样遥感图像复原方法

传统的图像复原方法往往只考虑遥感图像获取过程中模糊和噪声对图像质量的影响,而忽略了图像混迭的影响.针对斜模采样系统调制传递函数各向异性的特点,通过自适应倒易晶胞确定图像中混迭和噪声较小的频谱覆盖范围;从图像复原的贝叶斯方法出发,以小波域隐马尔科夫树模型作为图像的先验模型,提出一种结合自适应倒易晶胞和隐马尔科夫模型的斜采样遥感图像复原方法.实验结果表明,该方法可有效地提高图像分辨率,较常用的图像复原方法复原效果更好.     

一种基于CMAC的图象恢复算法

由于影响成象和导致图象退化的因素具有模糊性和不确定性,很难准确地建立图象退化过程的数学模型,因而建立退化过程的逆过程图象恢复十分困难,为了解决这一问题,提出了一种基于CMC的图象恢复算法,该方法利用CMAC神经网络的非线性映射和综合能力,通过对影响成象和导致图象退化的过程进行反向学习来恢复图象。仿真结果表明,用CMAC神经网络能很好地恢复出已退化的图象,并且神经网络模型与学习方法十分简单,便于实时图象恢复。     

一种基于小波变换的图象融合算法

基于多分辨率小波变换的融合算法近年来得到了广泛的应用。为了充分利用各种遥感图象的信息中,针对“资源一号”卫星图象和SPOT全色波图象,提出了一种新的基于区域能量特征的小波变换复原-增强融合算法。通过同IHS、PCA和HPF几种传统融合方法的比较和结果评价,证明该方法在提高“资源一号”卫星图象空间分辨率的同时,还较好地保留了多光谱图象的光谱信息,并且有效地克服了“资源一号”卫星图象模糊的特点。     

结合背景光融合及水下暗通道先验和色彩平衡的#br# 水下图像增强

水下环境、光线衰减和拍摄方式造成水下图像具有不同色调、对比度和模糊度.基于图像成像模型的水下图像复原方法通常基于暗通道先验或最大像素先验,容易受到水下复杂环境的干扰而输出低质量的复原图像,因此文中提出基于背景光融合及水下暗通道先验和色彩平衡的水下图像增强方法.首先,提出多候选背景光融合方法,估计正确的背景光.然后,基于高质量水下图像统计得出水下暗通道先验,计算更准确的RGB分量传输地图.将复原图像从RGB颜色模型转换到CIE-Lab颜色模型,对L亮度分量和a、b色彩分量分别进行归一化拉伸和优化调整,进一步提高复原后水下图像的亮度和对比度.多种定性和定量分析说明文中方法增强的图像在对比度、亮度和颜色上的显示效果优于大部分现有的水下图像增强方法复原的图像.     

一种基于正则化参数自适应选择的快速近似求逆的图像恢复新算法

本文根据正则化恢复中正则化参数应具有的性质,提出了一种基于正则化参数自适选择方案的新的空域迭代恢复算法。     

自适应图像复原模型梯度阈值选取研究

自适应图像复原模型,能满足中高噪声强度下进行图像复原的要求,但在选取图像梯度阈值时,通过交互迭代,运算量大,耗费时间长。本文基于对图像边缘灰度突变特性的考虑,通过引入图像梯度幅值直方图的方法,利用像素点梯度模值来区分边缘区和平滑区,开辟了在图像复原中选取梯度阈值参数的新途径,取得了很好的降噪复原效果,而且,选取梯度阈值的过程,耗时少,运算简单,选取过程直观快捷。     

医学内窥镜图象的遗传恢复算法

遗传算法是一种软计算方法,它作为一种新的全局优化搜索算法用于图象处理,是一种具有发展潜力的智能信息处理方法,对于利用遗传算法处理灰度图象来说,由于其数据量和计算量很大,并且传统遗传算法存在“过早收敛”的问题,使得图象恢复质量不理想。该文针对医学内窥镜摄取的图象纹理和病灶特征,设计了一种新的二维染色体编码方法,并将模拟退火和遗传算法相结合的算法引入灰度图象恢复处理过程中的遗传操作,实验结果表明,该方     

基于带权核范数最小化和混合高斯模型的去噪模型

非局部自相似性（NSS）先验在图像恢复中发挥重要作用,如何充分利用这一先验提高图像恢复性能仍值得深入研究,提出一种基于带权核范数最小化和混合高斯模型的去噪模型。首先,采用混合高斯模型（GMM）对无噪声的自然图像非局部自相似图像块进行训练,再用训练好的混合高斯模型指导退化的图像产生非局部自相似图像块组;然后,结合带权的核范数最小化技术实现图像的去噪,并对模型的保真项进行一般性扩展,给出收敛的求解算法。仿真实验表明,所提方法与基于3D滤波的块匹配（BM3D）算法、同时稀疏编码学习（LSSC）算法和带权的核范数最小化（WNNM）模型相比,峰值信噪比（PSNR）提高0.11~0.49 dB。     

基于色度-亮度全变分模型的彩色图像放大

采用传统插值法放大的图像存在边缘锯齿化和边缘模糊化缺点。针对该问题,在分析图像复原全变分模型的基础上,将色度-亮度全变分复原模型用于彩色图像放大,使图像放大问题转化为图像修补问题。实验结果证明,该方法能保持放大后图像边缘的光滑与清晰。     

一种基于LIP模型的边缘检测新算法

提出了一种基于人眼视觉的图像边缘检测的新算法。该方法基于LIP模型首先推导出新的梯度公式,然后进行图像灰度处理和叠加操作,最终形成了一种新的边缘检测算法。该方法大大减少了非边缘噪声的产生,能将图像的边缘较好地检测出来。实验表明,该方法具有边缘检测准确性高,引入的非边缘噪声少的特点。     

Fuzzy C-Means clustering through SSIM and patch for image segmentation

In this study, we propose a new robust Fuzzy C-Means (FCM) algorithm for image segmentation called the patch-based fuzzy local similarity c-means (PFLSCM). First of all, the weighted sum distance of image patch is employed to determine the distance of the image pixel and the cluster center, where the comprehensive image features are considered instead of a simple level of brightness (gray value). Second, the structural similarity (SSIM) index takes into account similar degrees of luminance, contrast, and structure of image. The DSSIM (distance for structural similarity) metric is developed on a basis of SSIM in order to characterize the distance between two pixels in the whole image. Next a new similarity measure is proposed. Furthermore, a new fuzzy coefficient is proposed via the new similarity measure together with the weighted sum distance of image patch, and then the PFLSCM algorithm is put forward based on the idea of image patch and this coefficient. Through a collection of experimental studies using synthetic and publicly available images, we demonstrate that the proposed PFLSCM algorithm achieves improved segmentation performance in comparison with the results produced by some related FCM-based algorithms.